国产AI算力里程碑：摩尔线程发布并开源首个全链路自研代码大模型MusaCoder

国产AI算力领域近日传来一个好消息：摩尔线程正式发布并开源了一款专注于GPU底层算子生成的代码大模型——MusaCoder。这不仅是业界首个完全基于国产全功能GPU底座完成全流程训练与验证的开源代码模型，更意味着国产算力生态迈出了关键一步。 从技术实现的角度看，MusaCoder的真正亮点在于它的“根”扎得深——整个模型的后训练（Post-training）流程，全部依托于基于MTT S5000 GPU构建的“夸娥”智算集群完成。换句话说，从底层硬件到上层模型，这条开发链路完全是国产化的。这不仅证明了国产硬件在承载大模型全链路开发任务上的可靠性与效率，也为行业提供了一份可复制的参考范式。 那么，它的实际表现如何？在业内公认的KernelBench严格评测中，MusaCoder-27B-RL模型给出了硬核答案：Overall Pass率达到93.2%，平均分88.60%。这个成绩意味着什么？它不仅在代码生成与处理能力上超过了Claude Opus 4.7、DeepSeek-V4 Pro、GLM-5.1以及Kimi K2.6等一众国际主流SOTA模型，而且稳稳站在了行业第一梯队。 值得一提的是，这次开源不只是摩尔线程在模型层面的技术积累，更是其完善国产算力生态布局的关键落子。近年来，摩尔线程持续深耕底层生态，已经完成了对DeepSeek、Qwen、MiniMax等多个主流大模型的适配，并推出了开源算子开发工具等配套方案。有了MusaCoder的加持，开发者们可以更直接地利用国产算力底座，加速算子开发与模型训练过程，把国产全功能GPU的潜力真正释放出来。 业内分析人士认为，代码模型是AI开发的“发动机”，它的性能与自主可控程度直接决定了上层应用的竞争力。摩尔线程通过全栈训练路径打造的MusaCoder，为国产AI研发提供了一种更具自主性的工具选择，也让底层技术底座更加稳固。可以确定的是，这不仅是摩尔线程的一次突破，更是国产算力生态走向成熟的重要信号。